在深度学习模型训练的过程中,常见的优化器有哪些?()
A.Adam
B.Adagrad
C.SGD
D.Momentum
A.Adam
B.Adagrad
C.SGD
D.Momentum
第1题
A.LSTM在一定程度上解决了传统RNN梯度消失或梯度爆炸的问题
B.CNN相比于全连接的优势之一是模型复杂度低,缓解过拟合
C.只要参数设置合理,深度学习的效果至少应优于随机算法
D.随机梯度下降法可以缓解网络训练过程中陷入鞍点的问题
第2题
A.能够让深度学习工程师快速地实现自己的想法
B.在更好更快的计算机上能够帮助一个团队减少迭代(训练)的时间
C.在数据量很多的数据集上训练上的时间要快于小数据集
D.使用更新的深度学习算法可以使我们能够更快地训练好模型(即使更换CPU/GPU硬件)
第5题
用户在对100万个文件开发Tensor Flow程序,使用了神经网络模块nn开发网络模型用户希望模型训练效率高,同时模型训练时能降低噪声数据的影响。用户应该选择以下哪一种优化器?()
A.Gradient Descent Optimizer
B.Adam Optimizer
C.Adadelta Optimizer
D.Adagrad Optimizer
第6题
A.GoogLeNet的两个辅助分类器的主要目的是增加分类子模型,提高分类准确度
B.为适应不同大学的图形特征的获取,采用了多种大小的卷积核
C.网络的宽度和深度都得到了加强,特征获得更充分
D.通过线性堆叠各种Inception模块,在不明显增加网络课训练参数的情况下,提升网络的性能
第8题
A.是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科
B.研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能
C.机器学习强调三个关键词:算法、模型、训练
D.基于数据的机器学习是现代智能技术中的重要方法之一
第9题
A.经验风险指模型关于联合分布期望损失,期望风险指模型关于训练样本集平均损失
B.在有监督学习的训练过程中,经验风险大和期望风险大被称为过学习
C.在有监督学习的训练过程中,经验风险小和期望风险大被称为欠学习
D.期望风险指模型关于联合分布期望损失,经验风险指模型关于训练样本集平均损失